身處在智能萬(wàn)物互聯(lián)的時(shí)代，一切都聯(lián)在網(wǎng)上，通過(guò)越來(lái)越多的數(shù)據(jù)搜集及數(shù)據(jù)分析，這個(gè)世界變得越智能，AI(人工智能)迎來(lái)了一個(gè)全新的發(fā)展時(shí)期。從某種基因上來(lái)講，AI與數(shù)據(jù)密不可分。

個(gè)人一天平均產(chǎn)生1.5GB的數(shù)據(jù)量，一所智能醫(yī)院的數(shù)據(jù)量為3000GB，一輛無(wú)人駕駛車每天所產(chǎn)生的數(shù)據(jù)量是4000GB，而一架聯(lián)上網(wǎng)的飛機(jī)，日產(chǎn)生數(shù)據(jù)量則達(dá)到4萬(wàn)GB，一座智慧工廠聯(lián)網(wǎng)每天產(chǎn)生100萬(wàn)GB的數(shù)據(jù)量，這些龐大的數(shù)據(jù)量將帶給我們一個(gè)什么樣的未來(lái)?

AI時(shí)代，英特爾怎么看?在近日舉辦的英特爾人工智能論壇上，企業(yè)網(wǎng)D1Net記者采訪到英特爾中國(guó)研究院院長(zhǎng)宋繼強(qiáng)。

愿景：打造AI發(fā)展的良性閉環(huán)

英特爾中國(guó)研究院院長(zhǎng)宋繼強(qiáng)說(shuō)：“英特爾對(duì)AI的愿景是：希望打造一個(gè)AI發(fā)展的良性閉環(huán)，我們要實(shí)現(xiàn)AI產(chǎn)業(yè)的端到端布局，從終端、前端數(shù)據(jù)的產(chǎn)生、采集，到數(shù)據(jù)高速的傳輸、分析、挖掘、處理、儲(chǔ)存，最后在云端把它變成真實(shí)的、有用的、能夠改變體驗(yàn)效果的服務(wù)，從而形成一個(gè)創(chuàng)新的良性循環(huán)。”

上圖為：英特爾中國(guó)研究院院長(zhǎng)宋繼強(qiáng)

AI設(shè)備的四大能力

未來(lái)機(jī)器將逐漸具備像人一樣智能的能力，包括四個(gè)方面：

首先是感知外界環(huán)境的能力;

其次是根據(jù)感知能力進(jìn)行推理;

三是推理形成一些決策觸動(dòng)機(jī)器做反饋，這個(gè)反饋可以是動(dòng)的，也可以是不動(dòng)的，比如說(shuō)視覺(jué)的反饋、聲音的反饋;

最后一個(gè)更重要的能力是能適應(yīng)環(huán)境，要能根據(jù)環(huán)境的變化，交互的人的變化去相應(yīng)的做適應(yīng)，并具備一定的記憶能力，這是智能的關(guān)鍵，否則就會(huì)變成一個(gè)死的程序。

AI實(shí)現(xiàn)的方法：機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)一般包括三種，分別是基于數(shù)據(jù)驅(qū)動(dòng)的方法，基于推理系統(tǒng)的方法以及基于知識(shí)驅(qū)動(dòng)的方法。

機(jī)器學(xué)習(xí)主要是通過(guò)數(shù)據(jù)，自動(dòng)通過(guò)算法從數(shù)據(jù)中學(xué)習(xí)它的規(guī)律和知識(shí)，在已知的數(shù)據(jù)中學(xué)到這些知識(shí)和規(guī)律之后再把它應(yīng)用到處理未知的數(shù)據(jù)中去，這樣就形成真正的應(yīng)用。但是在具體應(yīng)用的時(shí)候我們還要考慮它怎么適應(yīng)繼續(xù)根據(jù)應(yīng)用里面場(chǎng)景的變化、新的數(shù)據(jù)的變化進(jìn)行調(diào)整，這是一個(gè)持續(xù)迭代的過(guò)程。整個(gè)程序的性能是可以隨著數(shù)據(jù)的不斷進(jìn)入、不斷學(xué)習(xí)去改變的，也就是電腦程序的性能是可以根據(jù)數(shù)據(jù)，經(jīng)驗(yàn)的增長(zhǎng)而變化，從而擁有了學(xué)習(xí)能力。

有了學(xué)習(xí)能力還不夠，還需要監(jiān)督學(xué)習(xí)，監(jiān)督學(xué)習(xí)主要是通過(guò)已知的可以標(biāo)記的數(shù)據(jù)去獲得里面的經(jīng)驗(yàn)和知識(shí)，而非監(jiān)督學(xué)習(xí)是要自己去發(fā)現(xiàn)，未知的隱藏的知識(shí)和模式，強(qiáng)化學(xué)習(xí)更多應(yīng)用在這個(gè)設(shè)備是能動(dòng)的，能通過(guò)物理的交互和環(huán)境做一些相應(yīng)的交互，能夠定義什么樣是好的，什么樣是壞的，通過(guò)獎(jiǎng)勵(lì)讓它繼續(xù)去學(xué)習(xí)一些比較難以描述的方法。

因此，深度學(xué)習(xí)的好處是深層的，可以在很多不同的抽象層提取特征，而這個(gè)特征不是人去定義的，它可以自己從數(shù)據(jù)中發(fā)現(xiàn)，并且通過(guò)越來(lái)越多的數(shù)據(jù)提升系統(tǒng)的性能，而不是靠人的經(jīng)驗(yàn)來(lái)保證系統(tǒng)的可用。

深度學(xué)習(xí)還應(yīng)具備強(qiáng)大的表示能力，從原來(lái)只能表示靜態(tài)的圖像和簡(jiǎn)單的語(yǔ)句，到現(xiàn)在有能力去表示連續(xù)的圖像，也就是視頻，甚至多模態(tài)這種方式。深度學(xué)習(xí)是一種突破性的技術(shù)，它的突破表現(xiàn)在數(shù)據(jù)足夠大的情況下，已經(jīng)可以在某些層面超過(guò)人的能力，比如說(shuō)在人臉識(shí)別方面，已經(jīng)在ImageNet上超過(guò)了人的能力。在語(yǔ)音方面領(lǐng)域，語(yǔ)音識(shí)別、機(jī)器翻譯也都達(dá)到了讓人滿意的水平。

因此，隨著計(jì)算量的增加和數(shù)據(jù)量的增加，深度學(xué)習(xí)方面正在得到巨大的突破。

英特爾AI策略： Nervana平臺(tái)

英特爾充分利用自身技術(shù)和產(chǎn)品創(chuàng)新的整合優(yōu)勢(shì)，為人工智能提供全面的、極為靈活的端到端解決方案產(chǎn)品組合：構(gòu)建于業(yè)界領(lǐng)先的基于英特爾架構(gòu)的涵蓋至強(qiáng)處理器、至強(qiáng)融核處理器、Nervana平臺(tái)和FPGA、Omni-Path網(wǎng)絡(luò)、3D XPoint存儲(chǔ)等技術(shù)的硬件平臺(tái)，結(jié)合英特爾針對(duì)深度學(xué)習(xí)/機(jī)器學(xué)習(xí)而優(yōu)化的英特爾數(shù)學(xué)函數(shù)庫(kù)(Intel® MKL)、英特爾數(shù)據(jù)分析加速庫(kù)Intel® DAAL)等，和致力于為多節(jié)點(diǎn)架構(gòu)提供卓越性能的開(kāi)源軟件框架如Spark、Caffe、Theano以及Neon等，及可推動(dòng)前后端協(xié)同人工智能發(fā)展布局的Saffron、TAP、Nervana 系統(tǒng)、Movidius等工具和平臺(tái)，以上這些產(chǎn)品組合將最終幫助廣泛的行業(yè)和企業(yè)更方便地獲取、開(kāi)發(fā)和部署人工智能應(yīng)用，將人工智能潛能在各個(gè)領(lǐng)域中充分釋放，如智能工廠、無(wú)人駕駛汽車、體育、欺詐檢測(cè)、生命科學(xué)等等。